Measuring inequity in using routinely collected data in an emergency setting: a systematic review
Notice bibliographique
Résumé
Abstract Background The international literature has highlighted many potential challenges in terms of inequitable access to care. In the last few years, health equity is becoming an increasingly important issue for policymakers, particularly in developed countries. The aim of this systematic review was to find how equity is measured and to identify some of its determinants. Methods We conducted a systematic review on all major databases (Medline Ovid SP, PubMed, Embase and Web of Science), following the PRISMA guidelines. We included published observational studies that reported on health equity and using administrative data, with a focus on emergency and unplanned hospital care. Study selection and data extraction were conducted independently and compared by two reviewers. Results In total, 223 records were screened and 39 articles met the inclusion criteria. Studies come from the United States (US) (23), United Kingdom (6), Canada (4), Australia (2) and some European countries (4). To measure health inequity, most of the studies used at least one of these 4 indicators: hospitalisations for chronic ambulatory care sensitive conditions (or preventable hospitalisations), emergency hospitalisation rate, readmissions or mortality. The most relevant health equity determinants concerned race/ethnicity (19), poverty (17), health insurance coverage (17) and gender (16). Race/ethnicity and gender are important determinants of inequities. Concerning poverty, despite the use of heterogeneous indicators, most of studies showed a socio-economic gradient of access to care. Health insurance coverage was often used but with conflicting results. Conclusions The use of indicators linking primary, emergency and hospital care seems to be particularly relevant to measure health inequity. Race/ethinicity, gender and socio-economic status are clear determinants of inequitable access to care. More studies are needed to explain and analyse the determinants of health equity. Key messages Health equity remains a major issue even for high-income countries health care system. Quantitative data about health equity still are needed to support policymaker’s recommendation.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,036 | 0,169 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,010 | 0,008 |
| Bibliométrie | 0,018 | 0,019 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».